当前位置：首页 > news >正文

OpenCV图像色彩空间转换

news 2025/8/22 6:29:27

在计算机视觉与图像处理任务中，色彩空间转换 是一个非常常见的操作。
例如，在做人脸检测时，我们往往会先把彩色图像转换为灰度图；在做颜色追踪时，我们会用 HSV 空间代替 RGB 空间；而在图像压缩、医学图像、计算机图形学等场景中，其他色彩空间也大有用武之地。

OpenCV 提供了一个功能强大且使用简单的接口 —— cv::cvtColor()，用于在不同色彩空间之间转换。

`cv::cvtColor` 基本用法

#include <opencv2/opencv.hpp>
using namespace cv;int main() {Mat src = imread("image.jpg");Mat dst;// BGR 转灰度cvtColor(src, dst, COLOR_BGR2GRAY);imshow("Gray Image", dst);waitKey(0);return 0;
}

void cv::cvtColor(InputArray src, OutputArray dst, int code, int dstCn = 0);

src：输入图像（可为多通道）
dst：输出图像
code：颜色转换代码（例如 COLOR_BGR2GRAY）
dstCn：输出通道数（默认为 0，即由转换规则自动决定）

常见色彩空间与使用场景

下面我们重点介绍几种常见的色彩空间及其应用场景。

RGB / BGR

描述：最常见的颜色表示方式，三通道分别表示红、绿、蓝分量。
在 OpenCV 中：默认读取的图像是 BGR 排列，而不是 RGB。
应用场景：图像显示、基本图像处理，与计算机图形学、GUI 等直接交互的场景
转换码：COLOR_BGR2RGB

Grayscale（灰度）

描述：单通道图像，仅包含亮度信息，没有色彩信息。
应用场景：图像分割，边缘检测，特征提取等
转换码：COLOR_BGR2GRAY

HSV（Hue, Saturation, Value）

描述：用色相（Hue）、饱和度（Saturation）、亮度（Value）来表示颜色，更接近人眼感知方式。
应用场景：颜色跟踪，光照不均匀时颜色分割
示例（红色检测）：以下代码将图像变换到HSV空间，然后定义一个区间以实现红色检测，最终被判断为红色区域使用mask进行标记。

// 创建一个Mat对象来存储HSV色彩空间的图像
Mat hsv;// 将源图像 'src' 从BGR色彩空间转换为HSV色彩空间，并将结果存储在 'hsv' 中。
// HSV色彩空间更适合进行颜色分割，因为它将色调（Hue）、饱和度（Saturation）和亮度（Value）分离开来。
cvtColor(src, hsv, COLOR_BGR2HSV);// 定义一个Scalar对象来表示红色在HSV色彩空间中的下限。
// 这里的参数依次是：Hue（色调）、Saturation（饱和度）、Value（亮度）。
// 红色在色调环中通常位于0-10和170-180之间。这里我们选取了0-10这个范围。
// 饱和度和亮度范围设置为相对较宽，以便捕捉各种亮度和饱和度的红色。
Scalar lower_red(0, 120, 70);// 定义一个Scalar对象来表示红色在HSV色彩空间中的上限。
Scalar upper_red(10, 255, 255);// 创建一个Mat对象来存储掩码（mask），它是一个二值图像。
Mat mask;// 使用inRange函数根据HSV范围创建掩码。
// inRange函数会遍历 'hsv' 图像中的每个像素，检查其值是否在 'lower_red' 和 'upper_red' 之间。
// 如果像素值在这个范围内，'mask' 中对应位置的像素值将被设置为255（白色），表示匹配。
// 如果不在范围内，则设置为0（黑色），表示不匹配。
// 最终得到的 'mask' 图像可以用来提取原图中所有红色的区域。
inRange(hsv, lower_red, upper_red, mask);

Lab（CIE Lab*）

描述：接近人类视觉的感知均匀色彩空间，L 表亮度，a 与 b 表颜色分量。
示例：在亮度分量上进行直方图均衡化增强

// 创建一个Mat对象来存储Lab色彩空间的图像
Mat lab;// 将源图像 'src' 从BGR色彩空间转换为Lab色彩空间，并将结果存储在 'lab' 中。
// Lab色彩空间特别适合图像增强，因为它将亮度（L）通道与颜色（a和b）通道完全分离。
cvtColor(src, lab, COLOR_BGR2Lab);// 创建一个向量（vector）来存储Lab图像的三个通道。
vector<Mat> lab_planes;// 使用split函数将Lab图像分解成三个独立的通道，并存储在 'lab_planes' 向量中。
// lab_planes[0] 对应L（亮度）通道。
// lab_planes[1] 对应a（绿-红）通道。
// lab_planes[2] 对应b（蓝-黄）通道。
split(lab, lab_planes);// 对L（亮度）通道（lab_planes[0]）应用直方图均衡化。
// 直方图均衡化只作用于亮度信息，而不会改变颜色信息，这能有效地提升图像对比度，同时保持色彩的自然。
equalizeHist(lab_planes[0], lab_planes[0]);// 使用merge函数将经过均衡化的L通道与原始的a和b通道重新合并为一个Lab图像。
merge(lab_planes, lab);// 将Lab图像 'lab' 转换回BGR色彩空间，并将结果存储在目标图像 'dst' 中。
// 这是为了显示或保存图像，因为大多数显示设备和图像文件格式都使用BGR或RGB色彩空间。
cvtColor(lab, dst, COLOR_Lab2BGR);

YCrCb

描述：亮度与色度分离的色彩空间，Y 表亮度，Cr 与 Cb 表色度。
示例（肤色检测）：

// 创建一个Mat对象来存储YCrCb色彩空间的图像
Mat ycrcb;// 将源图像 'src' 从BGR色彩空间转换为YCrCb色彩空间，并将结果存储在 'ycrcb' 中。
// YCrCb色彩空间常用于肤色检测，因为它能有效地将亮度（Y）和颜色（CrCb）分离开来。
cvtColor(src, ycrcb, COLOR_BGR2YCrCb);// 定义一个Scalar对象来表示肤色在YCrCb色彩空间中的下限。
// YCrCb的分量依次是：Y（亮度）、Cr（红色分量）、Cb（蓝色分量）。
// 这里设定的范围是根据经验得出的，用于匹配大多数人的肤色。
Scalar lower_skin(0, 133, 77);// 定义一个Scalar对象来表示肤色在YCrCb色彩空间中的上限。
Scalar upper_skin(255, 173, 127);// 创建一个Mat对象来存储掩码（mask），它是一个二值图像。
Mat mask;// 使用inRange函数根据YCrCb范围创建掩码。
// inRange函数会遍历 'ycrcb' 图像中的每个像素，检查其值是否在 'lower_skin' 和 'upper_skin' 之间。
// 如果像素值在这个范围内，'mask' 中对应位置的像素值将被设置为255（白色），表示匹配。
// 如果不在范围内，则设置为0（黑色），表示不匹配。
// 最终得到的 'mask' 图像可以用来提取原图中所有肤色的区域。
inRange(ycrcb, lower_skin, upper_skin, mask);

查看全文

http://www.dtcms.com/a/342009.html